线性规划问题的基本解-完整版
合集下载
第二章 线性规划基本内容
x1 0, x2 0, x3符号无限制
，x3 x4 x5 ， 解： 令 z z ，x1 x1 其中 x4 , x5 0 ，
则标准化后有
2 x2 3 x4 3 x5 max z x1 x2 s.t. x1 x4 x5 2 x2 x1 x4 x5 x2 3 x4 3 x5 3 x1 , x2 , x4 , x5 , x6 , x7 0 x1
40 3x1 10x 2 300 (0,30) A x1 , x 2 0 4 x1 5 x 2 200
B(20,24)
3 x1 10 x 2 300
C(1000/29,360/29) 0 D E (40,0) (50,0) 100 x1
在 B 点获得最大值，z=4280
x2
凸集
定义 2.2.1： 设 S R n 是 n 维欧氏空间的点集， 若对任意 x S , y S 的 和 任 意 [0,1] 都 有 x (1 ) y S 就称 S 是一个凸集。
定义 2.2.2：设 S 为凸集 x S ，如果对任意 y, z S 和 0 1 ，都 有 x y (1 ) z ,则称 x 为 S 的顶点。 定理 2.2.1 线性规划的可行域 D { x Ax b, x 0} 是凸集 定理 2.2.2 任意多个凸集的交还是凸集
（1）若 x k 0 ，令 x k x k
（2）若 中
xk
为符号无限制变量，则 。
xk xk xk
，其
, xk 0 xk
例1
max z 70x1 120x 2 s.t. 9 x1 4 x 2 360 4 x1 5 x 2 200 3 x1 10x 2 300 x1 , x 2 0
线性规划的基本定理-最优化方法
j 1
j 1
现构造两个点X（1），X（2），使满足
X（1）=（x1+αλ1,…, xk+αλk ,0,…,0）T X（2）=（x1-αλ1,…, xk-αλk ,0,…,0）T
线性规划解的基本定理
定理2：设X是可行域D的极点，那么，X最多有m个 正分量。
证明：设X=(x1，···xk，0，···，0)T，若k>m，由
z=λx+(1-λ)y
这说明当0 ≤ λ ≤1 时，λx+(1λ)y 表示以x.y为端点的直线段上的所 有点，因而它代表以 x.y为端点的直线 段。
一般地，如果x.y是n维欧氏空间Rn中的两点，则 有如下定义：
如果 x=(x1…xn)T,y=(y1…yn)T是Rn中任意两点，定 义z=λx+(1-λ)y(0≤λ≤1),z=(z1…zn)T 的点 所构成的集合为以x,y为端点的线段，对应λ=0， λ=1的点 x, y叫做这线段的端点，而对应 0<λ<1的点叫做这线段的内点。
表明X不是D的极点，与已知条件矛盾，故k≤m。
线性规划解的基本定理
定理1.4：对标准形式的线性规划，基可行解与可行 域的极点一一对应。
证明：首先证明极点必是基可行解。设X是极点， 由定理1.3,可设X=(x1,…xk,0,…,0)T xj>0,k≤m 若X不是基可行解，由定理1.2，向P1,P2,…,Pk应 线性相关。仿照定理1.3的证明过程，可推导出X 不是极点，与已知条件矛盾。故可知X是基可行解。
其次证明充分性。设X的正分量为x1，x2,…,xk，其对 应的列向量P1,P2,…,Pk线性无关。显然k≤m。
若k=m，则P1,P2,…,Pk可用来构成一个基，所 以X是基本解。而已知X是可行解，故X又是基可行 解。
线性规划(图解法)
D
max Z
可行域
（7.6，2） ， ）
34.2 = 3X1+5.7X2
X1 + 1.9X2 = 3.8(≥) X1 - 1.9X2 = 3.8 (≤) L0： 0=3X1+5.7X2
oபைடு நூலகம்
x1
图解法
min Z=5X1+4X2 x2
X1 + 1.9X2 = 10.2 (≤)
Page 18
43=5X1+4X2 8=5X1+4X2 此点是唯一最优解 （0，2） ， ）
图解法
线性规划问题的求解方法 一般有 两种方法 图解法 单纯形法 两个变量、 两个变量、直角坐标 三个变量、 三个变量、立体坐标
Page 1
适用于任意变量、 适用于任意变量、但必需将 一般形式变成标准形式
下面我们分析一下简单的情况—— 下面我们分析一下简单的情况—— 只有两个决策 变量的线性规划问题， 变量的线性规划问题，这时可以通过图解的方法来 求解。图解法具有简单、直观、 求解。图解法具有简单、直观、便于初学者窥探线 性规划基本原理和几何意义等优点。 性规划基本原理和几何意义等优点。
• 有效与无效 紧与松)约束：与最优解相关的约束为有效 有效与无效(紧与松 约束 紧与松 约束： (紧)约束。 紧 约束 约束。 • 最优解：总是在可行域的边界上，一般由可行域的顶 最优解：总是在可行域的边界上， 点表示。 点表示。 • 可行域：由约束平面围起来的凸多边形区域，可行域 可行域：由约束平面围起来的凸多边形区域， 个可行解。 内的每一个点代表一 个可行解。
20
无可行解(即无最优解 无可行解 即无最优解) 即无最优解
10
O
10
最优化方法-线性规划的基本定理
其次证明充分性。设X的正分量为x1，x2,…,xk，其对 应的列向量P1,P2,…,Pk线性无关。显然k≤m。
若k=m，则P1,P2,…,Pk可用来构成一个基，所以X是基 本解。而已知X是可行解，故X又是基可行解。
若k<m，由于A的秩为m，比可从A中再挑出m-k个列向 量，与P1,P2,…,Pk ，一起构成一个线性无关极大组，即 为一个基，由此可知X是基可行解。
定义1.7：设集合S是n维欧式空间En中的闭凸 集，d是En中的非零向量。如果对于S的每 个点X，以及一切非负的数λ，都有
X+λd∈S，λ≥0
则称向量d是凸集S的一个方向。如果d1， d2是S的方向，且d1≠αd2， ∀ α>0，则d1， d2是两个不同的方向。
进一步，如果d是凸集S的一个方向，且 不能表示为S的另外两个不同的方向的正组 合，则称d是S的一个极方向。
约定A是行满秩的m行n列矩阵。
2、基、基向量、基变量、基本解、基本可 行解、可行基、最优解、最优基
基：矩阵A中一个m阶非奇异子矩阵 基向量：基的列向量 基变量：基向量对应的变量 基本解：非基变量全为零的解
基本可行解：非基变量为零，基变量都大 于等于零的解
可行基：基可行解对应的基 最优解：基本解中使目标函数最大的解 最优基：最优解对应的基
X=λX（1）+（1-λ）X（2）
上式的分量表达形式为 显然，当j>m时，有
x
j
xj
xj1 xj1x j2
1 0
xj2
,
j
1,
2,
,n
m
再由于X（1），X（2）均是可行点，故可推知 xjiPj b,i 1, 2
两式相减，得
若k=m，则P1,P2,…,Pk可用来构成一个基，所以X是基 本解。而已知X是可行解，故X又是基可行解。
若k<m，由于A的秩为m，比可从A中再挑出m-k个列向 量，与P1,P2,…,Pk ，一起构成一个线性无关极大组，即 为一个基，由此可知X是基可行解。
定义1.7：设集合S是n维欧式空间En中的闭凸 集，d是En中的非零向量。如果对于S的每 个点X，以及一切非负的数λ，都有
X+λd∈S，λ≥0
则称向量d是凸集S的一个方向。如果d1， d2是S的方向，且d1≠αd2， ∀ α>0，则d1， d2是两个不同的方向。
进一步，如果d是凸集S的一个方向，且 不能表示为S的另外两个不同的方向的正组 合，则称d是S的一个极方向。
约定A是行满秩的m行n列矩阵。
2、基、基向量、基变量、基本解、基本可 行解、可行基、最优解、最优基
基：矩阵A中一个m阶非奇异子矩阵 基向量：基的列向量 基变量：基向量对应的变量 基本解：非基变量全为零的解
基本可行解：非基变量为零，基变量都大 于等于零的解
可行基：基可行解对应的基 最优解：基本解中使目标函数最大的解 最优基：最优解对应的基
X=λX（1）+（1-λ）X（2）
上式的分量表达形式为 显然，当j>m时，有
x
j
xj
xj1 xj1x j2
1 0
xj2
,
j
1,
2,
,n
m
再由于X（1），X（2）均是可行点，故可推知 xjiPj b,i 1, 2
两式相减，得
线性规划常见题型及解法 均值不等式(含答案)
线性规划常见题型及解法一．基础知识：(一)二元一次不等式表示的区域二元一次不等式0>++C By Ax 表示直线0=++C By Ax 某一侧的所有点组成的区域，把直线画成虚线表示不包括边界， 0≥++C By Ax 所表示的区域应包括边界，故边界要画成实线.由于在直线0=++C By Ax 同一侧的所有点（x,y ）,把它的坐标（x,y ）代入C By Ax ++，所得的符号相同，所以只需在此直线的某一侧取一个特殊点（0,0y x ），从C By Ax ++00的正负即可判断0≥++C By Ax 表示直线哪一侧的平面区域。
通常代特殊点（0，0）。
（二）线性规划(1)不等式组是一组对变量x 、y 的约束条件，由于这组约束条件都是关于x 、y 的一次不等式，所以又可称其为线性约束条件.z =A x +B y 是欲达到最大值或最小值所涉及的变量x 、y 的解析式，我们把它称为目标函数.由于z =A x +B y 又是关于x 、y 的一次解析式，所以又可叫做线性目标函数.另外注意：线性约束条件除了用一次不等式表示外，也可用一次方程表示.(2)一般地，求线性目标函数在线性约束条件下的最大值或最小值的问题，统称为线性规划问题.(3)那么，满足线性约束条件的解（x ,y ）叫做可行解，由所有可行解组成的集合叫做可行域.在上述问题中，可行域就是阴影部分表示的三角形区域.其中可行解（11,y x ）和（22,y x ）分别使目标函数取得最大值和最小值，它们都叫做这个问题的最优解.线性目标函数的最值常在可行域的顶点处取得;而求最优整数解必须首先要看它们是否在可行(4)用图解法解决简单的线性规划问题的基本步骤：1.首先，要根据线性约束条件画出可行域（即画出不等式组所表示的公共区域）.2.设z =0，画出直线l 0.3.观察、分析，平移直线l 0，从而找到最优解.4.最后求得目标函数的最大值及最小值. (5) 利用线性规划研究实际问题的解题思路：首先，应准确建立数学模型，即根据题意找出约束条件，确定线性目标函数.然后，用图解法求得数学模型的解，即画出可行域，在可行域内求得使目标函数取得最值的解. 最后，还要根据实际意义将数学模型的解转化为实际问题的解，即结合实际情况求得最优解.线性规划是新教材中新增的内容之一，由已知条件写出约束条件，并作出可行域，进而通过平移直线在可行域内求线性目标函数的最优解是最常见的题型，除此之外，还有以下常见题型。
线性规划问题的基本解
am1
x1
am2 x2
L
amn xn
bm
x1 0, x2 0,L , xn 0
1.2 1.3
满足约束条件的X称为线性规划问题的可行解;
X x1, x2, , xn T
所有可行解的集合称为可行域 (feasible region),
使目标函数(1.1)达到最大值的可行解称为最优解(an optimal solution)。
A.基本可行解 B.非基本解
C.非可行解
D.最优解
4. X是线性规划的基本可行解，则有（ A. X中的基变量非零，非基变量为零 B. X不一定满足约束条件 C. X中的基变量非负，非基变量为零 D. X是最优解
）。
，P4
1
，P5
0
0
2
0
0
1
分别是变量 x1, x2 , x3, x4 , x5 的系数向量。
max z 3x1 5x2
3x1 2x2 x3
18
3 2 1 0 0
x1
x4 4
A 1 0 0 1 0
2x2
x5 12
0 2 0 0 1
x1, x2 , x3, x4 , x5 0
XB x j1 , x j2 ,L , x jm 表示基变量向量，
X N 表示非基变量向量。
现令所有的非基变量都等于0，即
XN 0
则约束方程(1.2)可化为：
Pj1 x j1 Pj 2 x j 2 L Pjm x jm b
BXB b
1.4
它是一个m个变量m个方程组成的线性方程组，B又是可逆
在上例1中，
对应于 B1 的基解为 X1 0, 0,18, 4,12T
线性规划问题的图解法
bm 0 1 am ,m 1 amn m
j
0 0 j c j c i a ij
bi 其中： i a kj 0 a kj
单纯形法的计算步骤
例1.8 用单纯形法求下列线性规划的最优解
max Z 3 x1 4 x 2 2 x1 x 2 40 x1 3 x 2 30 x , x 0 1 2
A
0
E
| 5
| 6
| 7
| 8
| 9
x1
图解法
9— 8—
目标函数 Max Z = 2x1 + 3x2
约束条件 x1 + 2x2 8
4x1 16 4x2 12 x1、 x2 0
x2
7—
6— 5—
4x1 16
C 4 x2 16
4 —B
3— 2— 1—
D
| 1 | 2 | 3 | 4
4—
3— 2— 1— 0
x1
图解法
9— 8—
目标函数 Max Z = 2x1 + 3x2
约束条件 x1 + 2x2 8
4x1 16 4x2 12 x1、 x2 0
x2
7—
6— 5—
4x1 16 4 x2 12 x1 + 2x2 8
4—
3— 2— 1— 0
可行域
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9
x2
X1 + 1.9X2 = 11.4 (≤)
8=5X1+4X2 此点是唯一最优解 （ 0， 2）
D
43=5X1+4X2
可行域
j
0 0 j c j c i a ij
bi 其中： i a kj 0 a kj
单纯形法的计算步骤
例1.8 用单纯形法求下列线性规划的最优解
max Z 3 x1 4 x 2 2 x1 x 2 40 x1 3 x 2 30 x , x 0 1 2
A
0
E
| 5
| 6
| 7
| 8
| 9
x1
图解法
9— 8—
目标函数 Max Z = 2x1 + 3x2
约束条件 x1 + 2x2 8
4x1 16 4x2 12 x1、 x2 0
x2
7—
6— 5—
4x1 16
C 4 x2 16
4 —B
3— 2— 1—
D
| 1 | 2 | 3 | 4
4—
3— 2— 1— 0
x1
图解法
9— 8—
目标函数 Max Z = 2x1 + 3x2
约束条件 x1 + 2x2 8
4x1 16 4x2 12 x1、 x2 0
x2
7—
6— 5—
4x1 16 4 x2 12 x1 + 2x2 8
4—
3— 2— 1— 0
可行域
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9
x2
X1 + 1.9X2 = 11.4 (≤)
8=5X1+4X2 此点是唯一最优解 （ 0， 2）
D
43=5X1+4X2
可行域
线性规划-讲义-3
4)、解的几种情况： 4)、解的几种情况： 唯一解 无穷多解－最优表中非基变量检验数有为0者。 无穷多解－最优表中非基变量检验数有为0 无界解 max, σ j > 0 但Pj ≤ 0 min, σ j < 0 但Pj ≤ 0 无可行解－最优表中人工变量在基中， 无可行解－最优表中人工变量在基中，且＝0。 建模有问题 5)、 5)、退化解问题
表2 -2
-1/3 -1/3
两阶段法步骤 n 原问题 max S=Σ Cj xj n j=1 Σ aij xj =bi ( i=1,2, …,m) xj ≥ 0 m 作辅助问题 min W=Σ yi n i=1 Σ aij xj + yi =bi ( i=1,2, …,m) Xj ， yi ≥ 0 阶段：解辅助问题， 第1阶段：解辅助问题，当进行到最优表时 ①、若W=0, 则得到原问题的一个基本可行 转入第2阶段 阶段。 解，转入第 阶段。 ②、若W>0, 则判定原问题无可行解 阶段： 第2阶段：用求出的初始基可行解求最优解。 阶段 用求出的初始基可行解求最优解。
人工变量： x6 , x7 人工变量：
cj
XB b*
0
x1
0
x2
0
x3
0
x4
0
x5
-1
x6
-1
x7
x4 11 3 x6 x7 1 - W’ 0
XB b*
1 -4 -2
0
x1
-2 1 0
0
x2
1 2 1
0
x3
1 0 0
0
x4
0 -1 0
0
x5
0 1 0
-1
x6
0 0 1
-1
x7